提高高压断路器的故障诊断准确率对降低生产成本、提高其运行可靠性具有重要作用。由于高压断路器故障种类繁多、监测信号有限,导致高压断路器故障诊断准确率不高、诊断效率低。为了提高高压断路器故障诊断准确率和效率,本文在总结国内外高压断路器故障诊断研究现状的基础上,提出采用小波变换和概率神经网络相结合的方法对高压断路器工作中产生的振动信号进行分析处理,从而识别高压断路器的故障。具体做法为:首先运用小波去噪对采集的振动信号进行降噪处理,然后对降噪后的信号进行小波包变换得到合闸过程各频段系数,并将这些系数按高压断路器合闸过程的特征划分成若干段,计算每一段的能量作为特征值,并将其归一化处理后作为故障诊断特征向量送入概率神经网络,利用概率神经网络强大的模式识别和分类能力诊断故障发生的原因和位置。考虑到高压断路器工作环境的特殊性,直接用实物验证此方法具有危险性,因此,本文首先用MATLAB仿真平台搭建的高压断路器模型来验证此方法的可行性,然后利用Lab VIEW可视化的图形编程语言和平台搭建了一个简化的高压断路器故障诊断系统。实验表明:以LabVIEW为软件平台,基于小波分析和概率神经网络相结合的故障诊断方法能够有效的提高高压断路器故障诊断的准确率和效率。